Naslov
E-zdravlje iz studentske perspektive
(E-Health: A Student's Perspective)

Autori
HERCIGONJA-SZEKERES, Mira ; ŠOLIĆ, Krešimir ; ILAKOVAC, Vesna

Vrsta, podvrsta i kategorija rada
Sažeci sa skupova, sažetak, znanstveni

Izvornik
Medicinska Informatika 2011 / Vesna Ilakovac, Mira Hercigonja-Szekeres - Zagreb : Medicinska naklada, 2011, 73-74

Skup
Simpozij Hrvatskog društva za medicinsku informatiku

Mjesto i datum
Varaždin, Hrvatska, 21.10.2011. - 22.10.2011

Vrsta sudjelovanja
Predavanje

Vrsta recenzije
Domaća recenzija

Ključne riječi
e-zdravlje; medicinska informatika; analiza tekstnih podataka
(e-health; medical informatics; analysis of text data)

Sažetak
Iskustva predavača kolegija vezanih uz Medicinsku informatiku (MI) jasno ukazuju da treba mijenjati i sadržaje i broj sati nastave. Osobito se to odnosi na sadržaje vezane uz informatičku pismenost i nova saznanja u MI te informatizaciju u hrvatskom zdravstvu. Na osječkom Medicinskom fakultetu provodi se istraživanje s ciljem da se utvrdi što studenti početnih godina pojedinih studija prije početka nastave MI znaju o e-zdravlju. Istraživanje se sastoji od sljedećeg: studenti pišu esej s naslovom "e-zdravlje", nakon što dobiju kratke upute, a mogu koristiti i informacije s interneta. Ostali podaci o studentima su dob, spol, završena srednja škola, studij. Esej i ostali podaci šalju se elektroničkim putem, spremaju se u bazu podataka projekta i zatim obrađuju programom Dtm-Vic. Osobito svojstvo tog programa je da omogućava statističku analizu tekstnih podataka (teksta) u kombinaciji s ostalim kvalitativnim i kvantitativnim podacima vezanim uz tekstne podatke. Korištene su metode leksikometrijske analize, analize segmenata koji se ponavljaju, konkordancijska analiza teksta te korespondencijska analiza tekstnih podataka i ostalih prikupljenih podatka. U ovom radu usmjerili smo se prvenstveno istražiti korpus riječi napisanih u eseju, točnije istražiti izražavaju li studenti različitih studija svoja saznanja i iskustva o e-zdravlju istim riječima. U akademskoj godini 2010/11 prikupljeni su podaci za 137 studenata prve godine preddiplomskih studija: 80 (58%) s medicine (MEDIC), 30 (22%) s biomedicinsko-laboratorijskih tehnologija (BLT) i 27 (20%) sa sestrinstva (SESPREG), dislocirani studij u Pregradi. Obuhvaćeni korpus od 137 odgovora ima 61152 riječi od kojih je 9467 (15, 5%) različitih. Nakon što je prag ponavljanja postavljen na 4, tj. razmatra se korpus u kojemu se nalaze riječi koje se ponavljaju 4 ili više puta, ostalo je 51229 riječi a među njima je 2231 (4, 4%) s učestalošću ponavljanja 4 i više. Riječi s najvećom učestalošću su pomoćne ili gramatičke riječi poput: i, u, je, se, na, da, za, su, s, koji … Riječi vezane uz temu s najvećom učestalošću su sustav, e-zdravlje, zdravstvene, podataka, pacijenata, sustava, liječnika, informacija, liječnik, zaštite, … Analiza segmenata koji se ponavljaju obuhvatila je segmente od 2 i od 3 riječi. Među trosložnim segmentima nema veće učestalosti, izuzev segmenta 'primarne zdravstvene zaštite' (učestalost 55) te 'sustava primarne zdravstvene' (19), 'na jednom mjestu' (18), a zatim slijede oni učestalosti manje od 15. Ovdje nisu uzeti u razmatranje segmenti koji se sastoje samo od pomoćnih i/ili gramatičkih riječi. Dvosložni segmenti, opet bez razmatranja onih od samo pomoćnih i/ili gramatičkih riječi, mnogo su učestaliji: 'zdravstvene zaštite' (126), 'u zdravstvu' (79), 'u Hrvatskoj' (68), 'e-zdravlje je' (60), 'mislim da' (53), 'na internetu' (52), 'smatram da' (49), 'o pacijentu' (46), 'uvid u' (43), a zatim slijede dvosložni segmenti učestalosti manje od 40. Korespondencijskom analizom riječi i studenata koji su ih koristili u eseju dobili smo smještaj studenata u ravninama određenim faktorskim osima. Rezultati su transparentniji kad se korespodencijska analiza napravi s obzirom na studije: s obzirom na prvu faktorsku os SESPREG i MED se nalaze na različitim stranama, a BLT je između, na istoj s SESPREG, ali blizu ishodištu, s obzirom na drugu faktorsku os MEDIC su (opet) na suprotnoj strani od SESPREG i BLT, ali su SESPREG blizu ishodišta. Klasterska analiza s unaprijed odabranim brojem od 12 klastera potvrdila je upravo ovakvu različitost u pristupu pojmu e-zdravlje. rezultati pokazuju da su klasteri karakterizirani studijima na sljedeći način: BLT karakterizira klaster1, SESPREG karakterizira klaser2, klaster3, klaster5. MEDIC karakterizira klaster9 i klaster10. Prvi rezultati istraživanja ukazuju na različita saznanja studenata o pojmu e-zdravlja. Studenti skupa MEDIC imaju drugačiji rječnik (riječi, segmente) od studenata SESPREG i BLT u opisu procesa koji možemo karakterizirati e-zdravljem. Takvi rezultati ukazuju na potrebu promjene sadržaja kolegija iz medicinske informatike i prilagodbu sadržaje za pojedine studije.

Izvorni jezik
Hrvatski

POVEZANOST RADA